Habilitando o aprendizado de máquina para melhorar a eficiência e a precisão da pesquisa em imagens clínicas

Desafio

O cliente é uma empresa global de ciências biológicas que fornece serviços de pesquisa clínica para doenças relacionadas à GI. Com seus principais serviços, incluindo a entrega de ensaios clínicos e soluções de imagens médicas, o cliente usou o processamento manual para gerenciamento de imagens clínicas e anotações, o que provou ser demorado, incongruente e caro. Nosso cliente estabeleceu uma meta para fornecer os resultados mais precisos, padronizados e oportunos. O cliente procurou modernizar seu processo de aumento de dados existente usando modelos baseados em aprendizado de máquina (ML).

Antes de se envolver com a Marlabs, o cliente estabeleceu um plano para aproveitar o poder dos modelos de aprendizado de máquina para modernizar seu processo de análise e classificação de imagens de biópsia com o objetivo de aumentar a eficiência e reduzir custos. O cliente precisava de suporte para avaliar a qualidade e a prontidão dos modelos antes da implantação e contratou a Marlabs como parceira de desenvolvimento para acelerar o projeto e fornecer recursos às suas equipes internas para auxiliar na implementação do novo software.

Solução

Fase 1: Compreensão do negócio e definição do problema

Antes que a equipe pudesse iniciar os aspectos técnicos desse projeto, eles precisavam ter uma perspectiva sobre o estado atual do desenvolvimento para entender o problema inicial e o resultado desejado. Para essa fase inicial, a equipe se reuniu com o respectivo proprietário do projeto e especialista no assunto (SME) do cliente para entender sua solução ideal. Isso incluiu familiarizar-se com o software de suporte; entender como o projeto seria conduzido; estabelecer KPIs e uma definição de sucesso; e concluir uma análise abrangente para obter, entender, limpar e mesclar os dados da organização.

O modelo utiliza várias partes: GitHub, terraform para automação de implantação, Docker para conteinerização, banco de dados PostgreSQL, tecnologias GIS para renderização de imagens, ferramentas Python para processamento de imagens, React.js e texto digitado para a interface do usuário e um conjunto de tecnologias Scala para serviços de back-end.

Com essa extensa lista de ferramentas de dados sendo utilizadas e a falta de cientistas de dados internos, o cliente contratou a equipe da Marlabs por seu conhecimento cumulativo de aprendizado de máquina, ciência de dados e código para garantir a prontidão do modelo para implantação e apoiar sua organização na adaptação a essa mudança.

Fase 2: Design e desenvolvimento de modelos

Agora que a equipe tinha uma compreensão completa do que essa parceria deveria realizar, eles iniciaram a segunda fase, na qual a equipe estabeleceu sua abordagem para esse projeto. Usando as descobertas da fase 1, a equipe definiu como configurará o modelo ideal para o cliente. A equipe considera os tipos e quantidades de modelos para compilar sua lista de modelos candidatos. Durante essa fase, eles também decidiram quais ferramentas usar e como alocar o desenvolvimento do modelo. Para cada um dos modelos candidatos, a equipe define os hiperparâmetros e os resultados para que o cliente possa entender completamente suas opções.

Fase 3: Avaliação da saída do modelo

Nessa fase, o modelo é avaliado de acordo com os KPI's definidos na fase inicial. Cada candidato passa por uma avaliação aprofundada da saída do modelo, na qual o código e o processamento do treinamento são avaliados com base nos KPIs declarados. Os resultados são compilados em uma tabela para que a equipe compare os candidatos e discuta as vantagens de cada escolha. A equipe apresenta suas descobertas ao cliente, onde a parceria discute e compara candidatos, ajustando detalhes e restringindo as opções até que os tomadores de decisão tenham certeza de que a solução atenderá às necessidades da organização.

Fase 4: Implantação do modelo

Depois que o cliente finalizar o design do modelo, a parceria poderá iniciar a fase de implantação do modelo, na qual a arquitetura projetada para suportar o modelo baseado em ML é produzida. Como o hardware de suporte normalmente é criado antes do modelo de ML e essa tarefa normalmente não é executada por uma equipe de cientistas de dados, a Marlabs apoiou o cliente nessa fase implantando os modelos usando contêineres. A equipe escolheu esse software para implantação para garantir que o cliente pudesse acessar os modelos quando necessário e ter a opção de migrar o modelo entre hosts, mesmo após o término do contrato.

Fase 5: Monitoramento e manutenção

Como a Marlabs visa apoiar nossos clientes durante todo o ciclo de vida da mudança, nossa última fase do projeto geralmente é o treinamento. Consideramos essa fase crucial para qualquer parceria para garantir que nossos clientes possam entender e aplicar as mudanças com eficácia, mesmo após o término de nossas parcerias. Para proporcionar aos nossos clientes a confiança necessária para navegar em novas ferramentas e estratégias, a Marlabs realiza workshops ou treinamentos em sala de aula e fornece aos usuários amplos recursos para entender o modelo.

Resultado

Como o resultado desse projeto foi o conhecimento, o resultado desse compromisso foi um relatório de 90 páginas detalhando a avaliação completa do modelo de aprendizado de máquina do cliente, com recomendações para uma implementação bem-sucedida no futuro. A Marlabs forneceu ao cliente as informações para entender as lacunas de seus produtos, estabelecendo uma base para migrar seu processamento para uma inteligência de dados completa.

Como resultado desse projeto, o cliente ganhou uma nova confiança na tomada de decisões informadas que lhe permitem gerar resultados mais eficientes, consistentes e precisos. O feedback do cliente tem sido consistentemente positivo, com os maiores elogios destacando a estrutura e a liderança inovadora que nossa parceria promoveu em toda a organização.

‍